سیف اله سلیمانی

ردیابی اشیاء یکی از مسائل مهم و در حال توسعه در پردازش تصویر و بینایی ماشین است. ردیابی اشیاء نمایش تغییرات موقعیت یک شیء و دنبال کردن آن در یک دنباله از تصاویر ویدویی، با هدف خاص است که باید با دقت مطلوبی انجام شود. یکی از الگوریتم هایی که اخیرا پیشنهاد شده است، قادر به ردیابی اشیاء متحرک در محیط های نسبتا پیچیده شامل پس زمینه رنگی مشابه با خود شیء، انسداد شیء، روشنایی پایین و تغییرات ناگهانی روشنایی در مناظر واقعی می باشد. نمایش مدل شیء و معیار شباهت دو فاکتور کلیدی هستند که روی اجرای عملکرد ردیابی تاثیر زیادی می گذارد. در گام اول الگوریتم فوق از ویژگی های رنگ و بافت محلی برای تشخیص و نمایش مدل شیء استفاده می کند. برای آنالیز ویژگی رنگ از ناحیه شیء، فضای رنگی HSV و برای ویژگی بافت، تعمیمی از توصیف کننده الگوهای باینری محلی(Local Binary Patterns) استفاده شده است. روش تعمیم یافته الگوهای باینری محلی، الگوی های باینری محلی متقارن مرکزی دوگانه (DCS-LBP) نام دارد که ادعا شده است این ویژگی باعث تشخیص بسیار خوب بین نواحی مشابه شده و در مقابل نویز مقاوم است. در گام بعد الگوریتم فوق از معیار احتمال پسین برای کاهش نرخ اشتباهات در تطابق ها استفاده می کند. در این پایان نامه الگوریتم فوق پیاده سازی شده است، و جهت بهبود آن از نظر دقت و سرعت، با یک روشی بهتر از روش ارائه شده، ناحیه هدف (شیء) و زمینه برای عمل تطبیق انتخاب می گردد، به این صورت که زمینه اطراف شیء انتخاب شده، هم اندازه با ناحیه هدف در نظر گرفته می شود. آنگاه پس از حذف نویز احتمالی از این نواحی، مدل کردن هدف صورت می گیرد. ما برای نمایش مدل هدف از ترکیب ویژگی های بافت و رنگ هدف استفاده کردیم. جهت استخراج ویژگی بافت، توصیفگرهای بافت، الگوهای باینری محلی متقارن مرکزی دوگانه و واریانس محلی پیشنهاد دادیم، واریانس محلی برخلاف الگوهای باینری محلی، تاثیر خوبی در استخراج الگوهای ناهمگن دارد. در نتیجه با ترکیب این دو توصیفگر علاوه بر الگوهای همگن، الگوهای ناهمگن هم استخراج می گردد، که بهبودی موثر در تشخیص و نمایش مدل هدف دارد. و برای نمایش ویژگی رنگ، از فضای رنگی HSV اسفاده کردیم. در نهایت از معیار احتمال پسین برای انطباق و مکان یابی هدف و بروز رسانی تغییرات مدل هدف در فریم ها استفاده شده است. نتایج آزمایشات نشان می-دهد که روش